一种名为StateViewer的人工智能工具可以利用单次脑部扫描，以88%的准确率识别出九种痴呆症类型，从而显著提高了诊断的速度和精确度。
重点内容：
- 人工智能工具可以通过一次扫描识别九种痴呆类型
- 新型临床工具使脑部成像的准确性提高了三倍
- 即使没有专科医生参与，痴呆症诊断也变得更快速、更精准
得益于梅奥诊所（Mayo Clinic）开发的一项新的人工智能技术，现在仅需一次广泛可用的扫描即可识别痴呆症类型。这项被称为StateViewer的技术，在测试案例中成功分类了包括阿尔茨海默病在内的九种不同类型的痴呆症，准确率达到88% (1✔ ✔可信来源
基于FDG-PET的机器学习框架支持阿尔茨海默病及相关疾病的神经学决策制定
[前往来源](
研究结果发表在《神经学》杂志上，这是美国神经病学学会的官方刊物。
StateViewer不仅比传统工作流程快近两倍地提供了脑部扫描的解读，还将诊断准确性提高了多达三倍。该工具基于超过3600次有认知问题及无认知问题个体的扫描进行训练，帮助临床医生更清晰地分析复杂的脑活动模式。
痴呆类型早期检测的精确性
StateViewer的一大显著优势在于其能够在多种病症共存的情况下，仍能早期且准确地识别痴呆亚型。这种早期明确性至关重要，尤其是在需要精准匹配疗法和病情的新治疗方法出现时。
该工具为可能无法轻松获得神经科专家资源的医疗机构提供了一个可靠的解决方案。
随着全球范围内痴呆症患者数量持续增加，有效诊断变得比以往更加紧迫。目前全球有超过5500万人患有痴呆症，每年新增病例接近1000万。仅阿尔茨海默病就成为全球第五大死因。
尽管已有许多诊断工具，从认知评估、影像检查到实验室测试，但区分阿尔茨海默病、路易体痴呆和额颞叶痴呆等不同类型痴呆症仍然困难，即使对训练有素的专业人士也是如此。
以人为本的发展与现实影响
StateViewer由梅奥诊所的神经学家David Jones博士领导开发，他同时也是该机构神经人工智能项目的负责人。Jones博士强调，每位患者都代表着一个独特的神经学故事，而这一工具体现了对更快、更准确诊断以及个性化治疗选择的承诺。
与他合作的是Leland Barnard博士，他是该工具背后人工智能的主要数据科学家。Barnard分享道，开发过程始终专注于每一次脑部扫描背后的患者，旨在为临床医生提供即时且富有洞察力的诊断支持。这种以人为本的工程设计展示了机器学习如何在医学领域发挥变革性作用。
彩色编码脑图助力更好理解
StateViewer分析的是氟脱氧葡萄糖正电子发射断层扫描（FDG-PET），这种扫描通过追踪大脑中的葡萄糖使用情况来指示活动区域。通过将患者的扫描结果与数千份确诊痴呆症的参考扫描进行比较，该工具能够识别出指向特定痴呆类型或组合的匹配活动模式。
每种痴呆类型会影响大脑的不同区域。阿尔茨海默病破坏记忆和认知处理区域，路易体痴呆影响运动和注意力相关区域，而额颞叶痴呆则对语言和行为相关的区域产生影响。
StateViewer通过直观的彩色编码地图展示其发现结果，即使是未接受过专门神经学培训的临床医生也能轻松理解这些视觉解释。
总之，StateViewer代表了临床诊断领域的重大飞跃，提供了一种快速、准确且广泛可用的方法来识别各种形式的痴呆症。凭借其将单次扫描转化为清晰诊断指南的能力，它有望改善患者预后，特别是在神经学专业知识有限的情况下。
参考资料：
- 基于FDG-PET的机器学习框架支持阿尔茨海默病及相关疾病的神经学决策制定 - (
(全文结束)
